Supportive Periodontal Therapy Clinical Examination Data — 伯恩 883 患者 11,842 次牙周维护治疗的 26 年纵向临床检查记录

INFOBOX — Supportive Periodontal Therapy Clinical Examination Data 一屏速览

维度	内容
本质	牙周维护治疗（SPT）复诊临床检查的纵向结构化记录（CSV 表格，非影像）
官方名	Supportive Periodontal Therapy Clinical Examination Data（PhysioNet v1.0.0）
机构	伯恩大学牙医学院牙周科 / Medi School of Dental Hygiene（MSDH），瑞士伯恩
作者	Christoph Andreas Ramseier（单一作者，University of Bern）
数据	883 患者 × 11,842 次 SPT 复诊，覆盖 1985–2011（26 年）
文件	4 CSV（883×22 / 11,842×15 / 11,842×44 / 63×12）+ 93 变量字典 + 3 对 R/Python 脚本
体量	未压缩 2.7 MB；ZIP 460.9 KB
每诊记录	现存牙数、探诊出血位点数、各残余 PPD 区间位点数（恰 4/5/6/≥7mm）、距上次就诊时间
粒度	PPD 每牙 6 位点；BOP 每牙 4 位点；0–3mm 不记录；≥8mm 不区分
人群	女 489（55.4%）/ 男 394；年龄均值 43.9；系统健康 788（89.2%）；现吸 267（30.2%）
严重度	I 类 147 / II 类 468 / III 类 268（初诊时）
复诊	就诊数中位 9（2–70）；SPT 时长中位 6.0 年（至 25.7）；指派间隔均值 5.2 月；算法间隔均值 7.2 月
算法	由残余 PPD 剖面推导复诊间隔，已入临床应用（perio-tools.com/spt）
许可	CC BY 4.0，开放获取无门槛（PhysioNet 直下）
发布	2026-10-05 首版 v1.0.0；DOI 10.13026/cn9b-2632
库内互链	caries-miccai（944）、oral-cavity-opmd（798）、dental-opg-xray（786）、ehrshot（11）、cohortx（939）

Supportive Periodontal Therapy Clinical Examination Data 是一个"把三十年复诊台上写下的数字交回公众"的数据集：它不是图像、不是波形、也不是重症监护的庞大事件流，而是伯恩一所牙科卫生学校里 883 名牙周病患者的每一次维护复诊——现存几颗牙、多少个位点在出血、各种深度的牙周袋各有几个位点、距上次复诊隔了多久。把这些逐诊记录连成纵向时间线，团队推导出并验证了一套"根据残余牙周袋剖面计算下次复诊该隔多久"的算法，如今已经上线到临床工具里。这个数据集的独特价值在于：它把一个日常临床动作（复诊时探一探、记一记）在 26 年里的积累，变成了可复现、可再分析、可教学的 AI-Ready 结构数据，同时毫不掩饰地标出了它的方法学软肋——间隔是被指派而非随机的。

导语读法三则：

1. 只想拿数据：直奔 §6 获取与许可——CC BY 4.0 完全开放，ZIP 直下，无申请、无门槛；这是本条目在口腔类里"最易获取"的对照样本。
2. 关心数据结构：直奔 §2 与 §3——4 CSV 的字段与连接键（pat_id / spt_id）、位点计数分母（牙数×6 与 ×4）必须读懂，否则所有百分比都会算错。
3. 做临床决策支持或纵向建模：直奔 §4 的间隔算法与 §7 的方法学局限——尤其"间隔非随机指派"这条适应证混杂，是任何间隔-结局分析的硬约束。

§0 导读：这个数据集解决什么问题

牙周炎（periodontitis）是一种慢性炎症性疾病。活跃期治疗（active periodontal therapy）能把炎症负荷压下去、阻止进展，但疾病本身是慢性的，此后的**维护治疗（supportive periodontal therapy, SPT）**才是维持疗效、防止复发和失牙的关键——这一结论被 30 年随访队列与系统综述反复验证：坚持规律维护的患者牙周长期稳定、失牙很少，而依从性差的患者探诊深度增加、失牙更频繁。

真正没有定论的，不是"要不要复诊"，而是"多久复诊一次"。当时的临床惯例主要看每诊的探诊出血比例（bleeding on probing, BOP）：平均出血 ≤20% 的患者被视为牙周稳定、可安排较长间隔；出血更高的则安排更早。结构化风险评估工具会把出血与残余深袋数（≥5mm 位点数）等患者级参数结合起来，能预测进展与失牙，却给不出"下次该隔几个月"的具体建议。而残余探诊深度（residual probing depth, PPD）本身带预后信息：一位患者的残余 PPD 若 ≤5mm 往往稳定，≥6mm 则与进展和后续失牙正相关；出血在吸烟者身上还不可靠——吸烟者牙周袋变深却不伴随出血升高。也就是说，每诊把整条残余 PPD 剖面记录下来，可能比单看出血提供更多、且出血给不出的信息。

这个数据集正是为填这个缺口而在 26 年里积累的。它支撑了三项已发表分析：吸烟者复诊依从性（论文 [1]）、出血与吸烟状态的关系（论文 [2]）、以及"由残余 PPD 剖面计算 SPT 间隔"算法的推导与验证（论文 [3]）。该算法已进入临床使用，并作为在线工具（perio-tools.com/spt）发布。团队把数据公开的理由很直白：跨二十年以上的纵向牙周数据稀少，而牙周学里极少有临床预测工具能从源数据重算出来——公开这份数据，是为了让已发表的分析可被独立核验，也为了让"如何个体化维护时机"这个问题，能用当时还不存在的方法继续追问下去。

§0 读法三则：

1. 这个条目是"单文件型数字表格数据集"：规模小（2.7 MB）、结构清晰、四张表加一本字典，但语义密度高——它承载的是一套临床决策逻辑（间隔算法），不是一堆原料。读懂字段语义比读懂体量更重要。
2. 全文硬数字均出自 PhysioNet 数据集页的 Data Description 与表格（抓取时点 2026-10-09）；与配套论文摘要口径的异同已在 §4、§7 与坑点逐条存照。
3. 检索时请把本条目与库内口腔影像数据集（caries-miccai、dental-opg-xray、3dteethland 等）严格区分：那些是"片子"，本条是"病历上的数字"——临床检查记录，不含任何像素（§9 详述）。

§1 数据集速览：十问十答

Q1：这个数据集到底是什么类型的数据？
是临床检查记录（clinical examination data），纵向结构化表格（CSV）。每个受试对象是"一次复诊"，每条记录是该次复诊时牙医/牙科卫生员逐牙探诊所得的数字——现存牙数、探诊出血位点数、各残余探诊深度区间的位点数、以及距上次就诊的时间。它不含任何影像、也不含波形。

Q2："883 患者 / 11,842 次就诊"从哪来？
来自伯恩 Medi School of Dental Hygiene（MSDH）1985–2011 年的 SPT 临床记录。纳入标准：年龄 ≥20 岁、已完成活跃牙周治疗、一年内至少复诊两次、人口学与临床记录完整。最终 883 名患者、11,842 次 SPT 复诊。

Q3：为什么说它"纵向"？纵向多久？
患者级变量显示，SPT 时长中位数 6.0 年、最长 25.7 年；就诊数中位数 9 次、最多 70 次。覆盖年份为 1985–2011（26 年）。这是跨二十年以上、少见的牙周维护长期随访数据结构。

Q4：每次复诊记录了什么？
三个核心量：① 现存牙数；② 探诊出血（BOP）位点数；③ 各残余探诊深度区间的位点数——分别统计恰为 4mm、5mm、6mm、≥7mm 的位点数。另加距上次就诊的时间（天）。此外还记录了指派间隔与算法间隔。

Q5：探诊深度怎么测的、粒度如何？
探诊深度由牙科卫生学生在校准探针下每牙测 6 个位点，并由经验丰富的临床带教复测，学生记录与带教不一致处按带教值更正。出血每牙 4 个位点。关键限制：0–3mm 的位点不记录（视为正常浅沟），≥8mm 不与 7mm 区分——因此数据集只覆盖"残余"的较深位点，深袋上限被截断在"≥7mm"。

Q6：所谓"残余探诊深度"是什么意思？
指活跃期治疗结束后仍然残留的牙周袋深度。治疗后完全消退的浅袋（0–3mm）不进记录；记录下来的是那些治疗后仍存在的 4mm 及以上位点。整套间隔算法就是围绕"残余 PPD 的剖面"设计的。

Q7：那个"复诊间隔算法"是什么、现在在用吗？
算法由经验确定的稳定性阈值推导：分别针对残余 PPD ≥4mm、≥5mm、≥6mm 三档，结合 3/4/6/12 个月的间隔长度，找出"再此间隔内残余 PPD 不增加"的阈值。由此对每位患者算出建议间隔。它已在临床使用，并作为在线工具在 perio-tools.com/spt 发布（论文 [3]，DOI 10.1111/jcpe.13041）。注意 ≥7mm 档未用作阈值变量，因为 ≥8mm 未单独记录。

Q8：实际复诊的间隔和算法算出来的一样吗？
不一样，这正是数据可研究之处。就诊级统计显示，指派间隔（当时实际安排的）均值 5.2 个月，而算法建议间隔均值 7.2 个月。逐次比较：患者早于算法建议就诊 4,454 次、等于 2,338 次、晚于 5,003 次。

Q9：我现在能拿到什么、怎么拿？
PhysioNet 页面直接下载：ZIP（460.9 KB）或 wget 递归抓取。四个 CSV 加字典与脚本，共 2.7 MB 未压缩。许可为 CC BY 4.0，完全开放、无申请门槛。配套三篇论文正文为付费（closed access），但数据本身与复现脚本都在。

Q10：为什么它对 AI-Ready 重要？
因为它是"临床检查表格数据"这一类被影像声量掩盖、却在真实临床中最普遍的数据形态的代表：极易获取（CC BY 4.0 直下）、结构透明（93 变量字典）、可复现（脚本逐行复现派生表与阈值）、局限坦诚（页面把混杂、缺失、粒度限制全写明）。它也是库内口腔类条目中**唯一的临床记录型（非影像）**样本，与 caries-miccai 等形成"影像 vs 临床检查"的正交对照面。

§2 数据构成与规格

2.1 文件清单与总体量

数据集由 4 个逗号分隔值（CSV）文件 + 1 本数据字典构成，全部为 UTF-8（无 BOM）、遵循 RFC 4180 格式，缺失值为空字段。

文件	行数	变量数	粒度	内容
01_initial_periodontal_therapy_data.csv	883	22	患者级	人口学、病史、吸烟、初诊严重度、活跃治疗前后临床所见、SPT 阶段汇总
02_supportive_periodontal_therapy_data.csv	11,842	15	就诊级	每次复诊的临床所见、指派间隔与算法间隔、距上次就诊时间
03_supplementary_data.csv	11,842	44	就诊级（派生）	累积位点计数、百分比、间隔算法中间步骤、对计算间隔的依从性
04_data_corrections.csv	63	12	编辑台账	63 次就诊的探诊深度编辑原值、用值及编辑性质
dictionary.csv	—	93	元数据	上述 4 文件的全部 93 个变量的说明

连接键：文件 02 与 03 通过 pat_id + spt_id 连接；两者都通过 pat_id 连回文件 01。做任何纵向分析前必须先按此键连接，否则就诊与患者的对应会错位。

其他附带文件：

文件	大小	说明
README.md	9.4 KB	数据集摘要、文件结构与代码说明
LICENSE.txt	14.5 KB	CC BY 4.0 全文
SHA256SUMS.txt	1.2 KB	校验和
01_compute_spt_algorithm.R / .py	9.4 / 9.2 KB	复现 file 03 全部派生变量（含间隔算法），仅需 base R 或 pandas+numpy
02_linear_mixed_effects_model.R / .py	15.4 / 11.5 KB	重构论文 [3] Table 2 的线性混合效应模型（R 版需 lme4+lmerTest）
03_reproduce_figure_2.R / .py	6.7 / 7.0 KB	复现论文 [3] Figure 2 的探诊深度稳定性阈值，含敏感性分析

体量：未压缩 2.7 MB；ZIP 打包 460.9 KB。文件时间戳多为 2026-08-18，LICENSE/SHA256SUMS 为 2026-09-15。

2.2 患者级规格（01 文件，n=883）

连续变量（均值 / 标准差 / 中位数 / 范围）：

变量	均值	SD	中位	范围
初诊年龄（岁）	43.9	13.0	43	20–84
牙数	26.8	4.0	28	4–32
恰为 4mm 位点数	24.4	17.3	21	0–101
恰为 5mm 位点数	10.8	11.9	7	0–68
恰为 6mm 位点数	5.3	8.2	1	0–54
≥7mm 位点数	3.8	8.2	0	0–73
活跃治疗时长（天）	160.8	178.0	124	0–2894
SPT 就诊数	13.4	12.0	9	2–70
SPT 时长（年）	8.0	6.5	6.0	0.04–25.7

分类变量（计数 / 占比）：

维度	分布
性别	女 489（55.4%） / 男 394（44.6%）
吸烟状态	从不 394（44.6%） / 既往 222（25.1%） / 现吸 267（30.2%）
病史	系统健康 788（89.2%） / 抗凝 49 / 抗抑郁 23 / 杂项 7 / 抗生素预防 6 / 感染病 3 / 抗癫痫 2 / 未记录 5
初诊严重度	I 类（无或轻度）147（16.6%） / II 类（中度）468（53.0%） / III 类（重度）268（30.4%）

严重度分类（severity of periodontal disease）的定义是：I 类 = 无位点超过 4mm；III 类（晚期）= 至少 10 个位点达 6mm 及以上；其余为 II 类（中度）。该分类在原研究文件中记录了 445 名患者，剩下 438 名由基线位点计数重构，用 diagnosis_source 变量标记来源。页面明确：重构结果与全部 445 个记录值逐一一致——这是数据集在元数据一致性上的一个亮点。

2.3 就诊级规格（02 文件，n=11,842）

变量	n	均值	SD	中位	范围
就诊时年龄（岁）	11,842	52.7	13.0	52	21–90
指派间隔（月）	11,842	5.2	2.2	5	3–12
算法间隔（月）	11,795	7.2	3.7	6	3–12
距上次就诊时间（天）	10,959	234.4	204.9	194	4–4477
牙数	11,842	25.2	4.6	27	2–32
出血位点数	11,816	18.4	15.8	14	0–124
恰为 4mm 位点数	11,795	12.3	9.4	10	0–92
恰为 5mm 位点数	11,795	4.0	4.7	3	0–56
恰为 6mm 位点数	11,795	1.5	2.7	0	0–47
≥7mm 位点数	11,795	0.7	1.7	0	0–33

各字段有效行数并不相同，这是必须逐字段注意的口径问题（致命坑，见 §10）：PPD 计数与算法间隔为 11,795（比总就诊数少 47），出血为 11,816（少 26），距上次就诊时间为 10,959（少 883）。前两者的缺口来自数据准备阶段对缺测的处理，后者来源于首次就诊本就没有"上次复诊"。

2.4 位点计数分母：最易算错的地方

页面用一段专门提醒读者位点计数的分母规则：

临床量	每牙位点数	百分比分母
探诊深度（PPD）	6（每牙 6 个位点）	n_teeth_spt * 6
探诊出血（BOP）	4（每牙 4 个位点）	n_teeth_spt * 4

也就是说，PPD 的百分比不能与 BOP 的百分比用同一个分母算。若误用同一分母（例如都除以牙数或用 6 倍），出血比例会系统性偏低约三分之一。这是任何二次分析用户在写出第一行代码前必须先确认的一条。

2.5 纵向结构与可用性

把 883 名患者 × 平均约 13 次复诊排成面板，可得一张 883 × 11,842 的分布式纵向表：绝大多数患者贡献 2–70 次复诊，SPT 时长从 0.04 年到 25.7 年不等。页面统计显示患者"中位复诊 9 次、中位随访 6.0 年"，说明数据呈典型的不等间隔纵向面板（unbalanced panel）：不同患者进入时间不同、复诊密度不同、随访长度差异极大。这既是它的价值（真实世界的长期异质性），也是它的建模难点（不能按等间隔时间序列直接处理，需用混合效应或事件史方法）。

2.6 数据结构层面的三个"必须先看"

1. 连接键：先按 pat_id+spt_id 连 02/03，再按 pat_id 连 01。
2. 分母：PPD 用 6 位点/牙，BOP 用 4 位点/牙。
3. 有效 n：逐字段确认（PPD/算法间隔 11,795、BOP 11,816、时间 10,959），不要用 11,842 一把梭。

§3 采集、去标识与数据准备

3.1 采集流程（临床侧）

数据集来自 MSDH 的常规诊疗记录，不是为研究专门采集的。患者进入 MSDH 时的流程是：

1. 初诊全口检查与诊断：记录人口学、病史、吸烟状态与全口临床所见。
2. 分组处理：牙周健康者接受预防性洁治（prophylaxis）；牙周病患者的活跃期非手术牙周治疗由牙科卫生学生在带教下完成，必要时行牙周手术以减浅牙周袋。
3. 进入 SPT 项目：无论预防还是活跃治疗后，患者都纳入 MSDH 的牙周维护治疗项目，此后按个体化间隔复诊。

测量与质控：每次复诊的探诊深度由牙科卫生学生用校准过的牙周探针每牙测 6 个位点，并由经验丰富的临床带教复测；当学生记录与带教不一致时，以带教值为准。出血每牙 4 个位点记录。每诊采集的临床量即：现存牙数、探诊出血位点数、各残余探诊深度区间的位点数。

纳入标准（决定 883 这个数）：年龄 ≥20 岁、已完成活跃牙周治疗、一年内至少复诊 2 次、并且人口学与临床记录完整。

3.2 间隔如何被指派（理解"非随机"的关键）

间隔不是随机分配，而是在活跃期治疗结束时及此后每次复诊结束时，根据探诊出血百分比与牙周病严重度决定：

条件	动作	边界
出血 < 20%	在原间隔基础上 增加 1–2 个月	最长 12 个月
出血 ≥ 20%	在原间隔基础上 减少 1–2 个月	最短 3 个月
首次（活跃治疗结束）	由出血与严重度首次确定	—

这条规则的存在，直接决定了整个数据集最根本的方法学局限（§7 与坑点详述）：病情重的患者会被系统性地安排更短的间隔，所以"间隔长度"与"结局"之间的关系被这条生成规则本身搅混了——这就是所谓的适应证混杂（confounding by indication）。

3.3 去标识（de-identification）

措施	具体做法
患者标识	顺序研究编号，无法回溯到临床记录
日历日期	所有日期（初诊、活跃治疗结束、每次复诊）在发布前移除，仅保留每次就诊的年份
日期位移	未做日期位移——因为除了年份没有任何日期被保留
年龄上限	>89 岁聚合为 90（遵循 HIPAA Safe Harbor 标准）
可识别信息	页面声明数据集中不含任何个人可识别信息

3.4 人工编辑台账（04 文件的由来）

数据准备阶段，11,842 次就诊中有 63 次被人工处理过，且当时即已记录。这 63 次分两类：

类型	次数	处理	是否保留在本版	标记变量
插值：无探诊深度测量	47（其中 41 次沿用前次值）	插入的值已从本版移除	否——该 47 诊的 PPD 计数及派生量缺失；但实测的牙数与 BOP 保留	imputed
更正：测量存在但判为不可信	16	替换值保留（因已发表分析依赖之）	是	corrected

两组合计 63 次，在 04_data_corrections.csv 中逐条列出原始值与使用的值。没有任何就诊被删除。这一设计的意图是：既让当前版本尽量"干净"（插值值不放回），又让读者能精确恢复到已发表分析所依赖的那个状态（更正值连同台账都在）。

3.5 复现脚本与自证

页面提供了三对（R 与 Python 各一）脚本，并给出可复现性声明：

脚本	作用	复现声明
01_compute_spt_algorithm	从原始数据复现 file 03 的全部派生变量（含间隔算法）	逐行复现全部 11,842 行；仅需 base R 或 pandas+numpy
02_linear_mixed_effects_model	重构论文 [3] Table 2 的线性混合效应模型	是对已发表模型规格的重构（源脚本已不可得）；近似复现系数/标准误/CI，header 记录重构依据
03_reproduce_figure_2	复现论文 [3] Figure 2 的 PPD 稳定性阈值	精确复现全部 20 个已发表阈值；含敏感性分析

脚本 01 与 03 在运行时自行与已发表文件对照并打印结果（verify themselves against the published files）。这一点很关键：它把"数据可复现性"从承诺变成了可执行的自检。

§4 间隔算法：从残余 PPD 剖面到下次复诊时间

4.1 算法的动机

传统做法只看出血：出血 ≤20% 就算稳定、可以拖长间隔。但有两个问题挡在前面：

1. 出血在吸烟者身上不可靠。论文 [2]（Ramseier 2015）的发现是：吸烟者牙周袋变深，却不伴随出血评分升高。若仅凭出血安排复诊，吸烟者的残余深袋会被"没出血"的假象掩盖，间隔被错误地拉长。
2. 出血给不出具体月数。现有风险评估工具能把患者分层、能预测进展与失牙，但给不出"下次隔几个月"的定量建议。

残余探诊深度本身则携带预后信息（Matuliene 2008）：残余 PPD ≤5mm 者多稳定，≥6mm 者与进展和后续失牙正相关。因此团队提出：每诊记录整条残余 PPD 剖面——分别为恰 4mm、5mm、6mm、≥7mm 的位点计数——据此计算个体化间隔。

4.2 阈值的经验来源

算法的阈值不是凭空设定，而是从数据里"找出来"的：对残余 PPD ≥4mm、≥5mm、≥6mm 三档分别考察，在 3、4、6、12 个月这几个间隔长度下，找出"在此间隔内残余 PPD 不增加"的经验阈值。这就是脚本 03_reproduce_figure_2 的任务——它复现了全部 20 个已发表稳定性阈值，并做敏感性分析。

一个明确的排除项：残余 PPD ≥7mm 未用作阈值变量。原因是数据记录粒度——≥8mm 未与 7mm 分开记录，所以"≥7mm"这一档在数据上并不能真实区分 7mm 与更深的袋子，作为阈值变量不合格。这条限制同时把数据集能表达的深袋上限截断在"≥7mm"。

4.3 算法的实际表现：指派 vs 算法

把当时实际指派的间隔与算法建议的间隔摆在一起，是理解数据价值最直接的切口：

指标	指派间隔	算法间隔
有效 n	11,842	11,795
均值（月）	5.2	7.2
SD	2.2	3.7
中位	5	6
范围	3–12	3–12

算法间隔的分布（按建议月数统计就诊次数）：

建议间隔	就诊次数
3 个月	3,003
4 个月	955
6 个月	3,646
12 个月	4,191

依从性对比（实际复诊相对算法建议）：

实际相对算法	就诊次数
早于算法建议	4,454
等于算法建议	2,338
晚于算法建议	5,003

读法：算法平均把间隔拉长（7.2 vs 5.2 月），说明按残余 PPD 剖面，许多患者的维持需求允许更长的间隔；但实际临床里"晚于算法"的就诊（5,003）比"等于算法"（2,338）还多，说明现实复诊行为高度不规则。这本身就是可研究的对象——也正是数据集面向的"患者依从性"研究方向。

4.4 算法已入临床

页面明确：该算法已进入临床使用，并作为在线工具发布于 perio-tools.com/spt（Ramseier 维护）。工具页面进一步说明其逻辑（抓取时点 2026-10-09）：

• 基于**残余袋（residual pockets）**的百分比剖面：分别看 4mm 档、5mm 档、≥6mm 档。
• 第一步为每个残余袋类别确定一个最大间隔（评估表对应格绿色）；第二步取间隔最短的那一档作为最终建议（评估表对应格黄色）。
• 风险因素修正：不建议超过推荐间隔；若炎症指数（BOP）升高或存在风险因素，应缩短。对非吸烟者/既往吸烟者，BOP 阈值取 23%；对现吸者取 16%（来自论文 [2] 的 445 患者回顾研究）。
• 另有牙根分叉病变（furcation involvement）2–3 度、吸烟、II 型糖尿病等因素会进一步建议缩短间隔（分叉因素源自 Salvi 2014，117 患者、平均随访 11.5 年）。

口径提醒：23%/16% 这两个 BOP 阈值出自工具页面与论文 [2] 口径，不是 PhysioNet 数据页给出的数字；本条目引用时已标明来源。工具页面的规则（绿色格/黄色格、S/F/D 箭头）属产品实现说明，未必逐条对应数据集列。

4.5 三项已发表分析如何从数据复现

数据页面给出明确的"复现配方"，把研究人群用文件 01 的变量标出：

分析	人群	用到的变量
论文 [1] 复诊依从性	全部 883 患者	compliance（file 03）+ smoking、gender、age_baseline（file 01）
论文 [2] 出血与吸烟	445 患者（subsample_5years==1）	n_bop_pos_spt 与残余 PPD 计数（file 02）+ smoking、diagnosis（file 01）
论文 [3] 复诊时间与残余 PPD	全部 883（Table 1 / Figure 2）；445（Table 2 与算法验证）	残余 PPD 计数、间隔变量

关键人群变量：n_spt_visits（SPT 就诊数）、spt_duration_years（首次至末次就诊时长）、subsample_5years（= 初诊时系统健康且 SPT ≥5 年，等价于 med_history == "healthy" && spt_duration_years >= 5）、diagnosis 与 diagnosis_source（初诊严重度及其来源）。这正是"可复现"落到实处的标志：读者不必猜人群定义，变量里写着。

4.6 读 Table 2 的三条硬提醒（页面自曝）

论文 [3] 的 Table 2 是复现难点，页面专门列出三点（也都写进脚本 header）：

1. 模型是在 445 子样本上拟合的，不是全部 883。疾病严重度协变量只为这 445 名患者记录，complete-case 拟合自然被限制在它们；而结局做了秩变换（rank transform），因此每个系数与拟合中的观测数成比例。子样本拟合能复现已发表的"该次就诊残余 PPD"系数到 1% 以内；而全队列拟合会偏大约 28%。这是一个很强的自证——用拟合规模反推出正确人群。
2. F 值是序贯（type I）检验，而同一表的置信区间是边际（marginal）。对出血（BOP）两者严重背离：区间跨零，而 F = 283.15。两者都对，只是回答不同问题——出血与同诊残余 PPD 相关（r = 0.39），排在前面的出血"吃掉了"二者共享的方差，调整残余 PPD 后其独立贡献可忽略。脚本同时报告两种分解，并建议以边际检验为构建基础。
3. 表中两个 F 值有小数错误：牙周病印作 0.06、吸烟状态印作 0.12，而统计师工作文档为 0.6330 与 0.0123（重构支持后者）。两个项在任何版本里都远离显著。

§5 临床与方法学背景：一个"个体化维护时机"的问题

5.1 疾病背景与维护治疗的地位

牙周病是慢性炎症性疾病。活跃期治疗能降低炎症负荷、阻止进展，但慢性本质使终身维护治疗成为维持疗效的必要条件。证据链（页面 Background 节）：

• 一个随访 30 年的队列显示：坚持规律维护者牙周稳定、失牙很少；不复诊者状况恶化、探诊深度增加、失牙更频繁（Axelsson & Lindhe 1981；Axelsson 等 2004）。
• 一篇系统综述与 meta 分析发现：依从性越高，失牙风险越低（Lee 等 2015）。

也就是说，"要不要复诊"证据充分；"多久复诊一次"证据薄弱——这正是数据集瞄准的空白。

5.2 现有恢复间隔实践与它的边界

• 主看出血：每诊的 BOP 百分比是当前实践确定间隔的主要依据（Lang 等 1990 提出"无出血 = 稳定"的指标；Lang & Tonetti 2003 的 PRA 工具）。
• 结构化风险评估：把出血与残余深袋（≥5mm 位点数）等结合（Matuliene 2010；Lang 等 2015），能预测进展与失牙，但给不出推荐间隔月数。
• 于是形成一个尴尬：工具会告诉你"这位患者高风险"，却不会告诉你"那他下次隔几个月来"。

5.3 残余 PPD 与出血的互补与冲突

指标	提供的信息	已知弱点
残余 PPD 剖面	深袋数量与深度分布（≥4/5/6/≥7mm 位点数）——直接反映"维持需求"	记录粒度受限（0–3mm 不记、≥8mm 不区分）
出血（BOP）	炎症/活动性，反应快	吸烟者身上不可靠（袋深却不升）；给不出具体间隔；与 PPD 相关（r=0.39）

数据集的立场是：监测每诊的完整残余 PPD 剖面，能补充出血给不出的信息。这一立场由论文 [3] 的线性混合效应模型支持——对 PPD 变化影响最大且最显著的因素是：就诊间隔时间、残余 PPD ≥4mm 的存在、以及出血。

5.4 依从性的临床意义（论文 [3] 摘要口径）

论文 [3] 摘要报告：在 “多数复诊早于安排” 的患者中，5 年后牙周稳定性提高（p = 0.0002），且 20 年后失牙频率降低（0.60 ± 0.93 vs 1.45 ± 2.07，p < 0.0001）。这两个数字常在临床决策语境被引用，但条目必须同时标注其限定：依从性是观察性分组，"早于安排"者本身在口腔卫生、吸烟与健康行为上可能就不同——不能读成"复诊越早越有利于所有人"的因果结论（见 §7）。

5.5 数据集的三重定位

综合来看，这份数据同时服务三种用途：

1. 可复现的临床研究：三篇已发表分析（依从性、BOP-吸烟、间隔算法）都能从文件复现，是"可信临床工具应有可重算源数据"的一个范例。
2. 个体化维护时机的建模基础：间隔调度算法开发/验证、牙周稳定性作为"复诊间隔函数"的建模、就诊行为患者级决定因素研究。
3. 教学：一个紧凑、结构清晰、带透明派生结局的纵向临床数据集，适合作纵向分析与混合效应模型的教学素材。

§6 获取与许可：完全开放的一类样本

6.1 许可：CC BY 4.0

PhysioNet 数据集页在 License 栏明示：

Creative Commons Attribution 4.0 International Public License

即 CC BY 4.0。这意味着：

允许	条件
商用、再分发、改编、再混合	署名（Attribution）
无需申请、无需审批	注明来源与许可

对比库内其他口腔类条目（caries-miccai 的论文/数据/挑战赛衍生三层异构许可、orcas 等非商用协议），本条是最宽松、最易获取的一类：单一许可、完全开放、无 gated、无申请。

6.2 获取方式

页面 Access Policy 原文：Anyone can access the files, as long as they conform to the terms of the specified license——任何人可访问，只要遵守许可条款。

两种下载途径：

1. 直接下载 ZIP：页面 “Access the files”——Download the ZIP file (460.9 KB)。
2. 终端递归抓取：

   wget -r -N -c -np https://physionet.org/files/supportive-periodontal-therapy/1.0.0/
   

版本链：当前只有 1.0.0（2026-10-05 发布，首版），无历史版本。项目浏览量（抓取时点）：当前版本 11、全部版本 11。两个 DOI：

DOI	指向
10.13026/cn9b-2632	v1.0.0（引用此版本用这个）
10.13026/a9x5-j285	latest（后续新版本用这个）

6.3 引用要求

PhysioNet 提供标准引用（BibTeX）：

@article{PhysioNet-supportive-periodontal-therapy-1.0.0,
  author = {Ramseier, Christoph Andreas},
  title = {{Supportive Periodontal Therapy Clinical Examination Data}},
  journal = {{PhysioNet}},
  year = {2026},
  month = oct,
  note = {Version 1.0.0},
  doi = {10.13026/cn9b-2632},
  url = {https://doi.org/10.13026/cn9b-2632}
}

APA 口径：Ramseier, C. A. (2026). Supportive Periodontal Therapy Clinical Examination Data (version 1.0.0). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/cn9b-2632

页面还要求同时引用原始论文（[3] J Clin Periodontol 2019;46:218-230）以及 PhysioNet 平台论文（Pollard 等 2026, Nature Health, doi:10.1038/s44360-026-00096-z）。即引用本数据最少需三引：数据本体 + 原始论文 + 平台。

6.4 配套论文的获取性（与数据不同）

文献	期刊/年份	获取性
[3] 主引论文（间隔与残余 PPD）	J Clin Periodontol 2019;46(2):218-230	closed access（Wiley 付费；PMID 30499586）
[2] 出血与吸烟	J Clin Periodontol 2015;42(2):150-159	closed access
[1] 吸烟者依从性	J Clin Periodontol 2014;41(5):473-480	closed access

这是本条一个值得注意的结构：数据（CC BY 4.0）与复现脚本完全开放，但三篇配套论文正文付费。不过数据集通过"脚本自证复现"弥补了这一点——脚本 01 复现全部 11,842 行派生数据、脚本 03 精确复现全部 20 个阈值，读者无需付费正文即可验证派生逻辑。

6.5 伦理与监管状态

事项	状态
原始研究许可	MSDH 于 2011 年授予
本次发布的伦理审查	提交伯恩州伦理委员会（Cantonal Ethics Committee of Bern）澄清责任，BASEC Req-2025-00339
委员会决定（2025-03-26）	项目不属于瑞士人类研究法（Swiss Human Research Act）范围，无需伦理批准；委员会声明不负责评估该项目，但数据保护必须保证
风险	页面称重用风险最小
资助	Swiss National Programme to Stop Smoking + Swiss Dental Association（SSO, Grant No. 306-18）
利益冲突	作者声明无与数据集创建/分析/共享相关的利益冲突

6.6 获取决策树

需求是什么？
├── 只想拿全量数据做分析/教学
│   └── PhysioNet 页面直下 ZIP（460.9 KB）或 wget 递归——CC BY 4.0，无门槛
├── 只想复现三篇已发表分析
│   ├── 1) 下数据（含 3 对 R/Python 脚本）
│   ├── 2) 跑 01（复现 file 03 全部派生变量）
│   ├── 3) 跑 03（复现 20 个稳定性阈值）
│   └── 4) 跑 02（重构 Table 2 模型，注意 header 说明）
├── 想做间隔调度/依从性建模
│   └── 用 file 01 的人群变量（subsample_5years 等）切分人群 → 用 02 残余 PPD 剖面做特征
└── 只想引用数字
    └── 引数据页（DOI 10.13026/cn9b-2632）+ 论文 [3]（10.1111/jcpe.13041）+ 平台论文

§7 局限与方法学警示：官方自曝的七条

PhysioNet 页面设有 “Known limitations” 段，坦诚程度在同类数据集中少见。逐条如下（条目按原文顺序归纳）：

7.1 间隔非随机指派（最根本）

间隔由出血与疾病严重度决定，病情更重的患者系统性获得更短间隔。因此任何间隔长度与临床结局的比较都被生成这条规则本身所混杂（confounded by the indication）。

这是全文反复强调的第一条——即适应证混杂（confounding by indication）。任何"间隔越短结局越好"的观察，都必须先扣除"因为病重才给短间隔"这部分。

7.2 依从性的叠加选择效应

依从性使混杂进一步复杂化：持续比安排更早就诊的患者，在口腔卫生、吸烟与一般健康行为上很可能本就不同。回顾性队列无法把"间隔本身的效果"与"遵守该间隔者的特征"分开。据此，§5.4 里"早于安排者稳定性更好"的结论必须读成关联而非因果。

7.3 单中心、单标准、单时期

全部数据来自 1985–2011 年间瑞士一所牙科卫生学校、一套护理标准之下。对其他人群体、其他诊疗环境、其他时期的外推性未经检验（untested）。

7.4 关键变量缺失

• 菌斑指数（plaque scores） 未采集。
• 临床附着水平（CAL） 未采集。
• 影像学所见 未采集。
• 失牙原因 未记录。

这几项都是牙周研究常用的结局或混杂变量，缺失会限制可问的问题。

7.5 记录粒度截断

• 探诊深度 0–3mm 不记录（视为正常，不进数据）。
• 探诊深度 ≥8mm 不与 7mm 区分（并入 “≥7mm”）。

含义：数据集不含浅袋信息（无法研究 0–3mm 一侧的变化），且深袋上限被截断（无法区分 7mm 与 10mm+）。这也正是 §4.2 里 “≥7mm 不做阈值变量” 的原因。

7.6 吸烟状态不更新

吸烟状态只在初诊记录，随访期间不更新。因此无法用这份数据刻画"随访中戒烟/开始吸烟"的动态，也无法做时间变化的吸烟暴露分析。

7.7 依从性度量不可精确重算

页面称 compliance 是按论文 [1] 的定义计算的，而该定义在论文 [1] 中给出，无法从本发布文件精确重算。使用者若要自己的依从性定义，需自建，且注意与页面提供的 compliance 变量口径不同。

7.8 汇总表：局限与影响的对照

局限	直接后果	缓解/注意
间隔非随机	间隔-结局比较受适应证混杂	建模时须调整疾病严重度；结论写"关联"
依从性叠加	间隔效应与患者特征不可分离	不做因果解读
单中心单时期	外推性未验证	跨中心结论须先外部验证
缺 CAL/菌斑/影像/失牙原因	可问问题受限	明确研究问题的数据可得性
0–3mm 不记、≥8mm 不区分	无浅袋信息、深袋上限截断	分析在 4–7mm 区间内解释
吸烟不更新	无动态吸烟暴露	仅作基线分层
compliance 不可重算	依从性口径依赖论文 [1]	自建定义时声明口径

§8 生态与影响：一个临床工具的数据底座

8.1 从临床记录到在用工具

这份数据的"生态位"很清晰：它是 perio-tools.com/spt 这个在线 SPT 间隔工具的数据底座。工具的逻辑（§4.4）——残余袋百分比剖面 → 各档最大间隔 → 取最短档 → 风险因素修正——可以直接回溯到数据集里的残余 PPD 剖面统计与 20 个稳定性阈值。这使它成为"临床预测工具应有可重算源数据"的一个正面样本：

• 工具在用（临床决策支持）；
• 算法有同行评审论文（[3] J Clin Periodontol 2019）；
• 算法能从公开数据重算（脚本 01 复现派生表、脚本 03 复现全部阈值）；
• 数据的局限被官方写明（§7）。

8.2 平台生态：PhysioNet

数据托管于 PhysioNet（RRID:SCR_007345），由 MIT Laboratory for Computational Physiology 维护，受 NIBIB、NHLBI 与 NIH Office of the Director 资助（NIH 资助号 U24EB037545 与 R01EB030362）。PhysioNet 25 年历史、以生理信号与临床数据闻名（MIMIC 系列即在其生态内）；本条是该平台上少见的牙周学/口腔临床条目，也是"临床检查纵向表格"这一类数据的代表。

8.3 与库内口腔影像条目的关系：正交而非重叠

这是本条目最重要的"生态定位"。库内已有的口腔/牙科条目全部是影像数据：

库内条目	rid	模态	与本条的关系
caries-miccai	944	全景 X 光片（影像）	龋齿影像分割/检测 vs 本条牙周临床检查记录——互补对照
dental-opg-xray	786	全口曲面断层 X 光	影像 vs 表格
multicenter-dental-panoramic	787	多中心全景片	影像 vs 表格
3dteethland	676	3D 牙列扫描	几何形态 vs 临床检查
oral-cavity-opmd	798	口腔腔内白光照片	口腔癌筛查影像 vs 牙周维护记录
tufts-dental	57	牙科影像/资料	影像 vs 表格

核心区别（一句话）：那些是"片子/照片/三维模型"，本条是"病历上的数字"。caries-miccai 研究的是像素级的牙齿与龋坏区域（分割掩码、检测框），本条研究的是每次复诊时探诊所得的位点计数与间隔时间——两者在数据形态（影像 vs 表格）、任务（分割/检测 vs 队列分析/算法推导）、临床问题（龋病 vs 牙周维护）三个维度上都正交。这也正是本条在库内的独特价值：它补上了"口腔临床记录型数据"这一空缺。

8.4 可互链的纵向/EHR 家族

除了口腔影像，本条还可与库内纵向临床数据家族互链：

库内条目	rid	互链理由
ehrshot	11	纵向 EHR 少样本评估基准——同为纵向临床记录
cohortx	939	队列定义可计算化挑战赛——队列/随访建模同题
mimic-iv-clinical-database	4	重症监护 EHR——同为结构化临床记录（规模/模态不同）
ucsd-vs-longitudinal	957	纵向随访数据集
yale-brain-mets-longitudinal	983	近 20 年随访——纵向随访结构类比
zhejiang-ehr-critical-care	598	临床 EHR 表格

§9 与库内条目的关系：口腔条目的正交拼图

9.1 一句话定位

在千方病案医数集的库内语境中，supportive-periodontal-therapy 是唯一的口腔临床检查型（非影像）纵向数据集。它与库内其他口腔条目的关系不是竞争，而是"拼图的另一半"。

9.2 与 caries-miccai（rid 944）的区别（重点）

这是任务头特别要求讲清的一条区别。两者都以"口腔"为背景，但几乎在每个维度上都正交：

维度	caries-miccai（rid 944）	supportive-periodontal-therapy（本条）
数据形态	影像（儿童全景 X 光片）	表格（临床检查记录，CSV）
疾病主题	龋齿（caries）+ 6 类牙病	牙周炎（periodontitis）维护
任务	牙齿分割（像素掩码）+ 牙病检测（边界框）	队列分析/算法推导（间隔调度、依从性）
标注	EISeg 像素掩码 + LabelMe 检测框	无 ML 标注；临床测量 + 人工编辑台账
粒度	像素级（2000×942 图像）	位点级（每牙 6 位点 PPD / 4 位点 BOP）
对象	106 名儿童（2–13 岁）	883 名成人患者（20–84 岁）
时间	横向（单次拍摄）	纵向（26 年、人均中位 6 年、最多 70 次复诊）
规模	2885 张图像	883 患者 × 11,842 次复诊
许可	三层异构（论文 CC BY 4.0 / figshare item 级 / STS 衍生 CC BY-NC-ND）	单一 CC BY 4.0，完全开放
平台	figshare / Scientific Data	PhysioNet

一句话记忆：caries-miccai 回答"这张片子上哪颗牙有龋、牙在哪"（视觉任务）；本条回答"这位患者下次该隔多久来复诊"（临床决策/纵向任务）。前者是计算机视觉问题，后者是临床流行病学/纵向建模问题。

9.3 与其余口腔影像条目的关系

条目	rid	一句话关系
dental-opg-xray	786	同为"牙科影像"——本条为其临床记录对照面
multicenter-dental-panoramic	787	多中心影像——本条为单中心临床记录
3dteethland	676	3D 牙列几何——本条无任何几何/影像
oral-cavity-opmd	798	口腔腔内照片（癌前病变筛查）——主题不同的口腔影像
tufts-dental	57	牙科影像/资料——本条为纯临床表格

9.4 跨域互链：纵向临床数据家族

条目	rid	互链理由
ehrshot	11	纵向 EHR 基础模型少样本基准——纵向临床记录的同题异构
cohortx	939	队列定义可计算化（MICCAI 2026 挑战赛）——队列/随访建模
mimic-iv-clinical-database	4	结构化临床记录（重症监护，规模/模态不同）
zhejiang-ehr-critical-care	598	临床 EHR 表格
ucsd-vs-longitudinal	957	纵向随访数据集（影像）
yale-brain-mets-longitudinal	983	长期纵向随访（影像）
ehrxqa / ehrsql	646 / 713	EHR 之上构建的问答/SQL 基准——临床表格的 AI 应用侧

9.5 互补检索面

把本条与上述条目组合检索，可覆盖"口腔临床记录 + 口腔影像 + 纵向 EHR"三条正交线索。对做口腔 AI 的研究者，本条目提供了一个重要的方法学提醒：口腔领域的真实临床数据，绝大多数是像这样的检查记录表格，而非影像——库内口腔条目以影像为主，反映的是公开数据的可得性偏差，而非真实临床的数据构成。

§10 避坑清单：十个已踩/易踩的坑

以下坑点编号制，涵盖数据结构、口径、许可、引用与生态各面。凡涉及原始文档缺陷者，均给出存照与处置建议。

坑 1：把"临床检查记录"当成"影像数据集"

本条目名称里带 “Clinical Examination Data”，不含任何图像。若按影像数据集的处理流程（读像素、做分割）去找数据会完全走偏。它的每个"记录"是一个就诊，字段是位点计数与时间，不是像素。检索或引用时务必与 caries-miccai 等影像条目分开（§9.2）。这是本条目在库内最容易被误认的一点。

坑 2：位数口径混用（11,842 vs 11,795 vs 11,816 vs 10,959）

总就诊数是 11,842，但各字段有效行数不同：

字段	有效 n	缺口
总就诊数 / 指派间隔 / 牙数	11,842	—
PPD 计数 / 算法间隔	11,795	缺 47（插值已移除）
出血位点数	11,816	缺 26（未记录）
距上次就诊时间	10,959	缺 883（首次就诊无"上次"）

坑：用 11,842 当所有字段的分母，会让所有"率"系统性偏离。处置：逐字段读有效 n，或在分析前显式 dropna 并报告实际 n。

坑 3：位点百分比用错分母（PPD 6 位点/牙，BOP 4 位点/牙）

PPD 的百分比分母是 n_teeth_spt * 6，BOP 的分母是 n_teeth_spt * 4。两者分母不同。若统一用同一分母（例如都用 ×6 或都用牙数），出血比例会系统性偏低约三分之一（因为 BOP 只数 4 个位点却用了 6 位的分母）。处置：写任何百分比前先确认分母（§2.4）。

坑 4：探诊深度的粒度截断被忽略

0–3mm 不记录、≥8mm 不与 7mm 区分。坑：把"位点总数"当作"全口位点总数"会严重低估（浅袋位点根本不在数据里）；把"≥7mm 位点"当作精确深度会高估浅度。处置：所有 PPD 分析只在"残余（≥4mm）“语义内解释，深袋上限写”≥7mm"（§7.5）。

坑 5：把间隔-结局关系读成因果

间隔是按出血与严重度指派的（§3.2），病情重的被系统安排更短间隔——适应证混杂。坑：看到"间隔短者结局好"就下因果结论。处置：所有间隔-结局比较须先调整疾病严重度，并明确写成关联（§7.1、§7.2）。论文 [3] 摘要里"早于安排者 5 年稳定性更好（p=0.0002）、20 年失牙更少"也必须带此限定引用。

坑 6：论文 [3] Table 2 的三个复现陷阱

页面自曝三条（§4.6），任何复现 Table 2 的人必踩：

1. 模型在 445 子样本上拟合（不是 883）；因结局做了秩变换，系数与观测数成比例——全队列拟合会偏大约 28%。
2. F 值是序贯（type I）检验，CI 是边际（marginal）；BOP 两者背离（CI 跨零而 F=283.15），因 BOP 与同诊 PPD 相关 r=0.39。应以边际检验为构建基础。
3. 表中两处小数错误：牙周病印 0.06、吸烟印 0.12，实际为 0.6330 与 0.0123。

处置：复现前读脚本 02 的 header；引用 Table 2 数字时注明上述口径。

坑 7：把 63 次人工编辑忽略掉

63/11,842 次就诊被人工处理：47 次的插值已移除（PPD 计数缺失，用 imputed 标记），16 次的替换值保留（用 corrected 标记）。坑：不查这两个标记，会把 imputed=1 的就诊的缺失 PPD 当作真实 0，或不知道某些值是替换值。处置：读 04_data_corrections.csv；分析时按标记处置（§3.4）。

坑 8：把配套论文的许可当成数据的许可

三篇配套论文（[1] 2014 / [2] 2015 / [3] 2019）均为 J Clin Periodontol closed access（Wiley 付费）。数据是 CC BY 4.0，论文不是。坑：以为"数据集 CC BY 4.0"就能自由复制论文表格/图。处置：数据自由用（署名），论文正文/图表按 Wiley 版权处理（§6.4）。

坑 9：依从性度量（compliance）口径不可重算

compliance 变量按论文 [1] 定义计算，无法从本发布文件精确重算（§7.7）。坑：以为能用自己的代码复现 compliance 并逐行对齐。处置：自建依从性定义时声明与页面 compliance 的口径差异。

坑 10：把 23%/16% 的 BOP 阈值当成数据页数字

工具页面（perio-tools.com/spt）给出 BOP 阈值：非吸烟/既往吸烟 23%、现吸 16%（源自论文 [2] 的 445 患者）。坑：在引用时把它写成"PhysioNet 数据页给出"。处置：标注来源为工具页面/论文 [2]，与数据页数字分开（§4.4）。

坑 11（附加）：单中心外推与"中位 6 年"的误读

SPT 时长中位数 6.0 年，但均值 8.0、最长 25.7 年——分布右偏严重。坑：用"中位 6 年"概括全部随访长度；或把单中心（瑞士、1985–2011、一套标准）的结论直接外推。处置：报告随访长度用中位+范围（6.0，0.04–25.7）；外推结论前先外部验证（§7.3）。

§11 总结

一句话：Supportive Periodontal Therapy Clinical Examination Data 把伯恩一所牙科卫生学校 26 年间 883 名牙周病患者、11,842 次维护复诊的逐诊临床检查数字，做成了一份完全开放（CC BY 4.0）、结构透明（93 变量字典）、可复现（脚本自证）、且局限坦诚（官方自曝七条）的纵向结构数据集。

它在三件事上值得被记住：

1. 临床记录型数据的样本价值：在影像数据声量主导的当下，它代表的是真实临床里最普遍的"表格数据"形态——没有像素，只有数字，但支撑着一套正在使用的临床决策算法（复诊间隔）。
2. 可复现性做得扎实：脚本 01 逐行复现全部派生数据、脚本 03 精确复现全部 20 个稳定性阈值，且运行时自检——把"可复现"从承诺变成了可执行。
3. 方法学坦诚：把"间隔非随机指派导致适应证混杂"“单中心外推未验证”“深袋粒度截断”“吸烟不更新”"依从性不可重算"等软肋全部写明，比许多只讲优点的数据集更可信。

给使用者的三条落地建议：

• 先分清数据形态（临床记录，非影像）；再背熟四个口径（位数 11,842/11,795/11,816/10,959、分母 6 vs 4、粒度 0–3mm 不记/≥8mm 不区分、间隔非随机）。
• 做间隔-结局分析时，先调整疾病严重度，结论写"关联"。
• 引用时"三引齐备"：数据（DOI 10.13026/cn9b-2632）+ 原始论文 [3]（10.1111/jcpe.13041）+ 平台（PhysioNet）。

FAQ（高频问答 24 问）

Q1：这和 caries-miccai 是一个东西吗？
不是，也完全不同类型。caries-miccai 是儿童全景 X 光影像（分割+检测），本条是牙周维护复诊的临床检查表格（位点计数+间隔）。一个管龋齿，一个管牙周；一个是像素，一个是数字（§9.2）。

Q2：数据里有影像吗？
没有。全是 CSV 表格。名称里的 “Clinical Examination Data” 指临床检查记录。

Q3：883 患者、11,842 次就诊，覆盖多少年？
1985–2011（26 年）。人均就诊数中位 9（2–70），SPT 时长中位 6.0 年（0.04–25.7）。

Q4：纳入标准是什么？
年龄 ≥20 岁、已完成活跃牙周治疗、一年内至少复诊 2 次、人口学与临床记录完整。

Q5：每次复诊记录哪些量？
现存牙数、探诊出血位点数、各残余 PPD 区间位点数（恰 4 / 5 / 6 / ≥7mm）、距上次就诊天数，另有指派间隔与算法间隔。

Q6：探诊深度怎么量的？
牙科卫生学生用校准探针每牙测 6 个位点，临床带教复测，不一致以带教值为准。

Q7：为什么 0–3mm 不记录？
临床约定视为正常浅沟，不进残余记录。因此数据集不含浅袋信息。

Q8：≥8mm 为什么并进 7mm？
原始记录未把 ≥8mm 与 7mm 分开。后果是深袋上限被截断在"≥7mm"，且 ≥7mm 档不能用作算法阈值变量。

Q9：出血位点每牙几个？
4 个位点（探诊深度是 6 个）——所以两者百分比分母不同。

Q10：那个"复诊间隔算法"是什么？
由残余 PPD 剖面（≥4/5/6mm 档 + 3/4/6/12 月间隔）的经验稳定性阈值推导出个体化复诊间隔，已入临床使用（perio-tools.com/spt）。

Q11：算法和实际安排的间隔差多少？
指派间隔均值 5.2 月，算法间隔均值 7.2 月；实际早于算法 4,454 次、等于 2,338 次、晚于 5,003 次。

Q12：算法间隔的具体分布？
3 月 3,003 / 4 月 955 / 6 月 3,646 / 12 月 4,191 次就诊。

Q13：数据怎么拿？
PhysioNet 页面直下 ZIP（460.9 KB）或 wget 递归。完全开放，无申请。

Q14：许可是什么？
CC BY 4.0（Creative Commons Attribution 4.0），署名即可自由使用（含商用）。

Q15：配套论文也是开放的吗？
不是。三篇 J Clin Periodontol 论文均 closed access（付费）。但复现脚本开放，可自证。

Q16：DOI 是哪个？
v1.0.0：10.13026/cn9b-2632；latest：10.13026/a9x5-j285。

Q17：有几个版本？
目前仅 1.0.0（2026-10-05 首版）。

Q18：数据里有几次人工编辑？
63/11,842 次：47 次插值（已移除，imputed 标记）、16 次替换（保留，corrected 标记），全部列在 04_data_corrections.csv。没有就诊被删除。

Q19：那个 445 患者子样本是什么？
初诊时系统健康且 SPT ≥5 年者（subsample_5years==1），用于论文 [2] 与 [3] 的 Table 2/算法验证。

Q20：严重度分类怎么来的？
I/II/III 类。445 患者为原始记录，438 例由基线位点计数重构，diagnosis_source 标记来源；重构与 445 个记录值逐一一致。

Q21：最大的方法学局限是什么？
间隔非随机指派导致的适应证混杂——病情重者被系统安排更短间隔，间隔-结局比较不可作因果解读。另有依从性的选择效应叠加。

Q22：能研究"复诊越早越好"吗？
不能直接下因果结论。观察到的关联（早于安排者稳定性更好、失牙更少）受依从性选择效应与适应证混杂污染（§7.1、§7.2）。

Q23：适合做什么研究？
复诊间隔算法开发/验证、牙周稳定性作为间隔函数的建模、依从性决定因素研究、以及纵向临床分析教学。

Q24：伦理状态如何？
数据采于常规诊疗、去标识；原研究许可 2011 年由 MSDH 授予；本次发布经伯恩州伦理委员会澄清（BASEC Req-2025-00339），2025-03-26 裁定不属人类研究法范围、无需伦理批准，但须保证数据保护。

§12 纵向数据分析指南：从面板到算法

本节面向想真正用这份数据做建模的研究者，把"怎么从四个 CSV 走到一个可解释的纵向模型"讲清楚。它不是官方文档，而是把官方页面散落的要点（数据描述、Usage Notes、Known limitations、脚本说明）串成一条可操作路径。

12.1 面板结构的三层理解

把数据理解为三层：

1. 患者层（01，n=883）：不随时间变化或仅基线测量的属性——性别、初诊年龄、初诊严重度、基线病史、吸烟状态。这些是建模时的基线协变量。
2. 就诊层（02，n=11,842）：每次复诊的时间戳（年）+ 当时的临床状态——牙数、出血位点数、各残余 PPD 区间位点数，以及"距上次就诊时间"。
3. 派生层（03，n=11,842）：由就诊层算出的累积量、百分比、算法中间步骤与依从性标记。

建模时的核心张量是"患者 × 就诊"的不等间隔面板。关键设计决策有三：

决策	选项	注意
时间轴	用"就诊序号"（序贯）还是"距上次天数"（真实时间）？	不等间隔必须用真实时间，否则违反面板假设
结局	用 PPD 变化量、稳定性二值、还是失牙？	失牙信息需从"牙数下降"间接推断（无失牙原因）
人群	883 全队列还是 445 子样本？	论文 [3] Table 2 用 445 子样本（§4.6）

12.2 稳定性的定义与可操作化

"牙周稳定性（periodontal stability）"是核心结局，但数据集没有直接给出这个二元标签，需要用户从残余 PPD 计数自行定义。常见做法：

• 位点级：某位点的 PPD 在两次连续复诊间未增加 → 该位点稳定。
• 患者级：某次复诊的各 PPD 区间计数相对上次未增加（或增加不超过阈值）→ 该次就诊稳定。
• 阈值口径：论文 [3] 的 20 个稳定性阈值（残余 PPD ≥4/5/6mm × 间隔 3/4/6/12 月）给出的是"间隔内不增加"的经验边界——这是该数据集对"稳定性"最权威的可操作化，脚本 03_reproduce_figure_2 能精确复现。

建议：定义稳定性时明确"位点级还是患者级"“用的是哪一档残余 PPD”“间隔口径是否与算法的 3/4/6/12 月一致”，并在方法中写明——否则结果无法与论文 [3] 对标。

12.3 混杂的处置（本数据的建模核心）

因为间隔按指征指派（§7.1），任何"间隔 → 结局"的回归都必须调整疾病严重度。可用的调整变量：

混杂源	可调整变量	层级
疾病严重度	diagnosis（I/II/III，初诊时）	患者级
炎症水平	出血位点数/百分比（就诊时）	就诊级
残余深袋负荷	各 PPD 区间位点数（就诊时）	就诊级
吸烟	smoking（基线）	患者级
年龄/性别	age_baseline / gender	患者级

注意：出血与同诊 PPD 相关（r=0.39，§4.6），两者同时入模会产生共线性——这与 Table 2 里"BOP 的 F=283.15 但 CI 跨零"是同一现象。建议报告两种分解（序贯与边际），并以边际为准。

12.4 混合效应模型骨架

论文 [3] Table 2 用的是线性混合效应模型（linear mixed-effects model）。重构骨架（对应脚本 02）：

import pandas as pd
import statsmodels.formula.api as smf

# 1. 连接三层（先按 pat_id+spt_id 连 02/03，再按 pat_id 连 01）
# df = ...（读取与连接略，见附录 G）
# 2. 取 445 子样本（与论文 [3] Table 2 一致）
df = df[df["subsample_5years"] == 1]
# 3. 结局：该次就诊残余 PPD 的秩变换（论文口径，系数与观测数成比例）
#    或用你自己的稳定性指标
# 4. 混合效应：患者随机截距
model = smf.mixedlm(
    "outcome ~ time_between_visits + ppd_ge4 + bop + age_baseline + smoking",
    data=df, groups=df["pat_id"]
)
result = model.fit()
print(result.summary())
# 5. 报告两种分解：序贯与边际（见脚本 02 header）

三条硬提醒（与 §4.6 呼应）：① 用 445 子样本，否则全队列拟合偏大约 28%；② 区分序贯与边际检验；③ 论文表格有两处小数错误（0.06/0.12 应为 0.6330/0.0123）。

12.5 依从性分析的注意

依从性（compliance）分析（对应论文 [1]）用全部 883 患者，涉及 compliance（file 03）、smoking、gender、age_baseline（file 01）。

注意：compliance 是按论文 [1] 定义计算的，无法从发布文件精确重算（§7.7）。若你要定义的依从性是"实际间隔 vs 算法间隔"，可以用 file 03 的算法中间步骤自建——但必须与页面 compliance 的口径分开声明。

一个可复现的依从性视角：用 §4.3 的三分（早于/等于/晚于算法），得到 4,454 / 2,338 / 5,003。这个划分直接由数据算出，是可复现的。

12.6 教学用法

页面明确提到数据集适合教学（“compact longitudinal clinical dataset with a transparent derived outcome”）。适合的练习题：

1. 从 file 02 计算每位患者每次就诊的 BOP 百分比（注意分母 ×4）与残余 PPD 百分比（分母 ×6）。
2. 用 file 03 复现算法中间步骤，与发布值对照。
3. 拟合一个患者随机截距模型，比较"是否调整严重度"的系数变化。
4. 讨论适应证混杂：为什么不能直接从数据得出"短间隔更好"。

§13 数据集治理与可复现性评估

13.1 治理要素清单

治理维度	本数据集状态
托管机构	PhysioNet（MIT LCP 维护，NIH 资助）
持久标识	DOI（版本 DOI + latest DOI）+ RRID
版本管理	v1.0.0（版本化，可引用具体版本）
完整性校验	SHA256SUMS.txt
许可	CC BY 4.0（机器可读、标准化）
元数据	93 变量字典 + 页面完整描述
伦理声明	伦理委员会裁定书编号（BASEC Req-2025-00339）
利益冲突	声明无
资助	声明资助源与号
作者可联系	页面需登录查看通讯作者信息

13.2 可复现性的三层保证

本数据集的"可复现"不是口号，而是三层落地：

1. 数据可重建：01_compute_spt_algorithm 逐行复现 file 03 全部 11,842 行派生数据（含间隔算法）。
2. 结论可重建：03_reproduce_figure_2 精确复现全部 20 个已发表稳定性阈值 + 敏感性分析。
3. 模型可重建：02_linear_mixed_effects_model 重构 Table 2 模型（近似复现系数/SE/CI，但 header 如实声明这是重构而非原脚本）。

自检机制：脚本 01 与 03 在运行时自行与已发表文件对照并打印结果——这把"我们声称能复现"变成了"运行即可验证"。

13.3 与"理想"的差距

理想实践	本数据集	差距
论文与数据同等开放	数据 CC BY 4.0，论文付费	三篇配套论文 closed access
原始脚本可追溯	论文 [3] 源脚本已不可得，脚本 02 是重构	重构精度"近似"而非逐位
跨中心外部验证	单中心	外推性未验证
完整变量覆盖	缺 CAL/菌斑/影像/失牙原因	可问问题受限
依从性度量可重算	compliance 不可从发布文件重算	口径依赖论文 [1]

结论：这是一份"数据侧治理优秀、论文侧开放不足"的样本——恰好与很多"论文开放、数据封闭"的条目形成镜像。它的价值恰在于展示了如何让数据比论文更开放、且用脚本补上论文付费带来的复现缺口。

13.4 复用风险清单

风险	等级	缓解
适应证混杂导致误读因果	高	调整严重度、写"关联"
分母用错导致百分比失真	中	严守 ×6 / ×4
位数口径混用	中	逐字段确认有效 n
深袋粒度截断被忽略	中	只在 4–7mm 语义内解释
把 imputed 就诊的缺失当 0	中	检查标记
单中心外推	中	先外部验证
引用时遗漏平台/论文	低	三引齐备

§14 数据形态对比：临床检查 vs 影像（库内视角）

14.1 为什么这个对比重要

千方病案医数集的口腔类条目以影像为主，容易让使用者形成"口腔数据 = 影像"的错觉。本条目的存在正是一次纠正：真实临床中，口腔领域产出最多的数据形态是检查记录表格，而非影像。影像（全景片、口内片、CBCT）通常只在特定指征下拍摄；而每一次复诊的探诊、记录，几乎是所有牙周患者的常规流程。

14.2 两种形态的能力边界

能力	影像数据	临床检查记录（本条）
空间定位（哪颗牙/哪个区域）	强	弱（只有位点计数，无位置坐标）
语义分割/检测	支持	不适用
纵向随访	弱（多为单次/少数时间点）	强（人均中位 6 年、最多 70 次）
治疗决策支持	间接	直接（间隔算法即在用工具）
可获取性	常受许可限制	本条 CC BY 4.0 完全开放
隐私风险	中（图像可能含面部特征）	低（纯去标识数字）
规模	常较大（GB–TB）	小（2.7 MB）

14.3 融合可能

对做多模态或临床决策的研究者，本条可与口腔影像条目互补：影像提供"看到什么"，本条的思路提供"何时该复诊"的纵向证据。虽然两者的患者群体不同（本条为成人牙周、caries-miccai 为儿童口腔），不能直接横向合并患者，但可在建模方法层互相参照：例如用本条的"纵向稳定性定义 + 混合效应"框架，去思考如何把影像随访数据（如 ucsd-vs-longitudinal、yale-brain-mets-longitudinal）组织成同类分析。

14.4 库内检索面总结

把三条正交线索合起来，就是口腔 + 纵向方向的完整检索面：

口腔临床记录（本条 supportive-periodontal-therapy, rid 待定）
        ×
口腔影像（caries-miccai 944 / dental-opg-xray 786 /
         multicenter-dental-panoramic 787 / 3dteethland 676 /
         oral-cavity-opmd 798 / tufts-dental 57）
        ×
纵向 EHR 与随访（ehrshot 11 / cohortx 939 / mimic-iv 4 /
               ucsd-vs-longitudinal 957 / yale-brain-mets-longitudinal 983 /
               zhejiang-ehr-critical-care 598）

事实清单（硬事实 40 条）

全部来自 PhysioNet 数据集页（抓取时点 2026-10-09）与配套论文摘要口径；每条注明来源。

1. 官方名 “Supportive Periodontal Therapy Clinical Examination Data”（PhysioNet 页标题）。
2. 版本 v1.0.0，发布于 2026-10-05（PhysioNet Published）。
3. DOI v1.0.0 = 10.13026/cn9b-2632；latest = 10.13026/a9x5-j285。
4. 作者：Christoph Andreas Ramseier（单一作者）。
5. 机构：University of Bern, Switzerland（作者隶属）。
6. 采集地：Medi School of Dental Hygiene（MSDH），伯恩，瑞士。
7. 托管：PhysioNet（RRID:SCR_007345）。
8. 患者数 883；就诊数 11,842。
9. 时间覆盖 1985–2011（26 年）。
10. 文件：4 CSV（883×22 / 11,842×15 / 11,842×44 / 63×12）。
11. 字典：dictionary.csv 描述 93 个变量。
12. 未压缩体量 2.7 MB；ZIP 460.9 KB。
13. 配套脚本：3 对 R/Python（01/02/03）。
14. 初诊年龄均值 43.9（SD 13.0，范围 20–84）。
15. 牙数均值 26.8（SD 4.0）。
16. 恰 4mm 位点均值 24.4；5mm 10.8；6mm 5.3；≥7mm 3.8。
17. 活跃治疗时长均值 160.8 天（范围 0–2894）。
18. SPT 就诊数均值 13.4（中位 9，范围 2–70）。
19. SPT 时长均值 8.0 年（中位 6.0，范围 0.04–25.7）。
20. 性别：女 489（55.4%） / 男 394（44.6%）。
21. 吸烟：从不 394（44.6%） / 既往 222（25.1%） / 现吸 267（30.2%）。
22. 病史：系统健康 788（89.2%）；抗凝 49；抗抑郁 23；等。
23. 严重度：I 类 147（16.6%） / II 类 468（53.0%） / III 类 268（30.4%）。
24. 严重度重构：445 原始记录 + 438 重构；重构与 445 值逐一一致。
25. 就诊年龄均值 52.7（SD 13.0，范围 21–90）。
26. 指派间隔均值 5.2 月（中位 5，范围 3–12）。
27. 算法间隔均值 7.2 月（n=11,795，中位 6，范围 3–12）。
28. 距上次就诊时间均值 234.4 天（n=10,959，范围 4–4477）。
29. 就诊牙数均值 25.2；出血位点均值 18.4（n=11,816）。
30. 就诊级 PPD：恰 4mm 均值 12.3；5mm 4.0；6mm 1.5；≥7mm 0.7（各 n=11,795）。
31. 算法间隔分布：3 月 3,003 / 4 月 955 / 6 月 3,646 / 12 月 4,191。
32. 依从：早于 4,454 / 等于 2,338 / 晚于 5,003。
33. PPD 每牙 6 位点；BOP 每牙 4 位点（分母规则）。
34. 粒度：0–3mm 不记录；≥8mm 不区分。
35. 人工编辑：63/11,842；47 插值（移除，imputed）+ 16 替换（保留，corrected）。
36. 间隔指派规则：出血 ≥20% 缩 1–2 月至最短 3 月；<20% 延 1–2 月至最长 12 月。
37. 445 子样本 = 系统健康且 SPT ≥5 年（subsample_5years==1）。
38. 主引论文 [3]：J Clin Periodontol 2019;46(2):218-230, doi:10.1111/jcpe.13041（PMID 30499586）。
39. 许可 CC BY 4.0；访问政策"任何人可访问（遵守许可）"。
40. 伦理：BASEC Req-2025-00339，2025-03-26 裁定不属瑞士人类研究法范围；原研究许可 2011 年由 MSDH 授予。

术语表（26 条）

术语	英文	释义
牙周维护治疗	supportive periodontal therapy, SPT	活跃治疗后的长期维护复诊，防复发与失牙
活跃牙周治疗	active periodontal therapy	非手术/手术方式降低炎症负荷、减浅牙周袋的初始治疗
探诊深度	probing depth, PD	探针从龈缘到袋底的距离（mm）
残余探诊深度	residual probing depth, PPD	活跃治疗后仍残留的较深袋（≥4mm）
探诊出血	bleeding on probing, BOP	探诊后出血，反映炎症活动性
复诊间隔	recall interval	两次维护复诊之间的时间
指派间隔	assigned interval	临床当时实际安排的复诊间隔（月）
算法间隔	algorithm-based interval	由残余 PPD 剖面计算建议的间隔（月）
牙周稳定性	periodontal stability	随访期间 PPD 无增加的状态
位点	site	牙的一个探诊位置（PPD 每牙 6 个，BOP 每牙 4 个）
适应证混杂	confounding by indication	因治疗指征本身导致的混杂（病重者被给短间隔）
临床附着水平	clinical attachment level, CAL	附着丧失量（本数据集未采集）
菌斑指数	plaque score	菌斑量指标（本数据集未采集）
依从性	compliance	患者按安排就诊的程度
牙根分叉病变	furcation involvement	多根牙分叉处的牙周破坏
纵向面板	longitudinal panel	同一批对象的多次观测
不等间隔面板	unbalanced panel	各对象观测次数/间隔不同的面板
秩变换	rank transform	把结局转成秩后拟合（系数与观测数成比例）
序贯检验	type I (sequential) test	按进入顺序分配方差的 F 检验
边际检验	marginal test	调整其他项后各项独立贡献的检验
线性混合效应模型	linear mixed-effects model	含随机效应的纵向回归模型
去标识	de-identification	移除可识别信息
HIPAA Safe Harbor	HIPAA Safe Harbor	美国去标识标准（>89 岁聚合为 90）
预防性洁治	prophylaxis	牙周健康者接受的预防性清洁
PRA	periodontal risk assessment	牙周风险评估工具（Lang & Tonetti 2003）
CC BY 4.0	Creative Commons Attribution 4.0	署名即可自由使用的开放许可

附录 A：抓取与核验时点

项	内容
抓取日期	2026-10-09（UTC）
一手来源	https://physionet.org/content/supportive-periodontal-therapy/（HTTP 200）
核验手段	官网页面抓取 + WebSearch 论文三源互证
论文核验源	folia.unifr.ch / pesquisa.bvsalud.org / perio-tools.com（摘要口径一致）
网络预算	WebSearch 1 次、WebFetch 2 次（含 1 次空返回重试改用 curl）、curl 1 次

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	PhysioNet 索引良好；DOI 规范；标题即数据类型；但"SPT"缩写在小写检索下易与"支持治疗"等混淆
A 可获取性	10	CC BY 4.0 完全开放、ZIP 直下、无申请门槛——本维度满分，库内少见
I 可互操作	8	CSV（RFC 4180）+ UTF-8 + 93 变量字典 + R/Python 双实现脚本；非 DICOM/FHIR 标准（临床记录常见的互操作上限）
M 元数据质量	9	93 变量字典 + 页面含完整 Data Description 与统计表 + 官方自曝七条局限；扣分仅因跨源人数口径需读者自辨（11,842/11,795/11,816/10,959）
S 可持续性	9	PhysioNet 机构级长期托管（25 年历史）+ DOI + SHA256 校验 + 版本化；扣分因首版单作者、更新依赖个人
综合评级	8.8/10（优秀）	可获取性与可持续性突出；互操作受表格数据固有形态限制

附录 C：逐项证据链自证

关键数字	来源	位置
883 患者 / 11,842 就诊 / 1985–2011	PhysioNet 页 Abstract + Methods	页面正文
4 文件行数/变量数（883×22 等）	PhysioNet 页 Data Description	页面正文
93 变量字典 / 2.7 MB / 460.9 KB	PhysioNet 页 Files	页面文件列表
每牙 6 位点 PPD / 4 位点 BOP	PhysioNet 页 Data Description	页面正文（分母规则）
0–3mm 不记 / ≥8mm 不区分	PhysioNet 页 Methods + Known limitations	页面正文
间隔指派规则（20%/3-12 月）	PhysioNet 页 Methods	页面正文
63 次人工编辑（47+16）	PhysioNet 页 Methods + Release Notes	页面正文
445 子样本定义	PhysioNet 页 Methods + Usage Notes	页面正文
患者级/就诊级统计表	PhysioNet 页 Data Description 两张表	页面表格
算法间隔分布 / 依从对比	PhysioNet 页 Data Description	页面正文
Table 2 三陷阱	PhysioNet 页 Usage Notes	页面正文
CC BY 4.0	PhysioNet 页 License 栏	页面右侧
DOI 双口径	PhysioNet 页 Discovery 栏	页面右侧
伦理（BASEC Req-2025-00339）	PhysioNet 页 Ethics	页面正文
论文 [3] 卷期页/DOI/PMID	folia.unifr.ch + bvsalud 摘要	第三方核验
445 患者/95% 失牙数值（0.60 vs 1.45）	论文 [3] 摘要	第三方核验

附录 D：数据获取决策树

需求是什么？
├── 要全量数据（分析/教学）
│   └── PhysioNet 直下 ZIP（CC BY 4.0）→ 解压 → 读 dictionary.csv
├── 复现三篇已发表分析
│   ├── 跑 01_compute_spt_algorithm（复现 file 03 全部派生物）
│   ├── 跑 03_reproduce_figure_2（复现 20 阈值）
│   └── 跑 02_linear_mixed_effects_model（重构 Table 2，先读 header）
├── 做间隔调度/依从性建模
│   ├── 用 file 01 人群变量（subsample_5years/diagnosis）切分
│   ├── 用 file 02 残余 PPD 剖面作特征
│   └── 结局变量用 file 03 的派生稳定性指标
└── 只想引用数字
    └── 三引齐备：数据 DOI + 论文 [3] + 平台论文

附录 E：数据字典要点（关键变量）

变量	文件	类型	语义
pat_id	01/02/03	键	患者标识（顺序研究号）
spt_id	02/03	键	复诊标识
age_baseline / gender / smoking	01	分类/连续	初诊年龄 / 性别 / 吸烟
med_history	01	分类	病史（healthy 等）
diagnosis / diagnosis_source	01	分类	初诊严重度 I/II/III 及来源
n_spt_visits / spt_duration_years	01	连续	复诊数 / SPT 时长
subsample_5years	01	0/1	系统健康且 SPT ≥5 年
n_teeth_spt	02/03	整数	该次就诊现存牙数
n_bop_pos_spt	02	整数	该次就诊出血位点数
（残余 PPD 计数）	02	整数	恰 4 / 5 / 6 / ≥7mm 位点数
（指派/算法间隔）	02	整数	指派月数 / 算法月数
imputed / corrected	02/03	0/1	插值标记（已移除值）/ 更正标记（保留值）
compliance	03	分类	依从性（按论文 [1] 定义）

附录 F：复现脚本用法骨架

# 1. 下载（CC BY 4.0）
wget -r -N -c -np https://physionet.org/files/supportive-periodontal-therapy/1.0.0/
cd physionet.org/files/supportive-periodontal-therapy/1.0.0/

# 2. 校验完整性
sha256sum -c SHA256SUMS.txt

# 3. 读字典
python3 -c "import pandas as pd; print(pd.read_csv('dictionary.csv').head(20))"

# 4. 复现派生表（R 或 Python，二选一）
python3 01_compute_spt_algorithm.py        # 自检并打印与发布文件对照结果
python3 03_reproduce_figure_2.py           # 复现 20 个稳定性阈值 + 敏感性分析
python3 02_linear_mixed_effects_model.py   # 重构 Table 2（先读脚本 header）

附录 G：位点百分比计算骨架（避免坑 3）

import pandas as pd

df = pd.read_csv("02_supportive_periodontal_therapy_data.csv")

# 关键：分母不同！
# PPD 百分比：每牙 6 位点
ppd_denom = df["n_teeth_spt"] * 6
# BOP 百分比：每牙 4 位点
bop_denom = df["n_teeth_spt"] * 4

# 残余 PPD 各档位点计数之和（列名以 dictionary.csv 为准，此处示意）
ppd_cols = [c for c in df.columns if "ppd" in c.lower()]  # 恰4/5/6/>=7mm
df["ppd_total"] = df[ppd_cols].sum(axis=1, skipna=False)   # 缺失保持缺失（坑 2/坑 7）
df["ppd_pct"] = df["ppd_total"] / ppd_denom
df["bop_pct"] = df["n_bop_pos_spt"] / bop_denom

# 注意：跳过 imputed==1 的就诊，其 PPD 计数为缺失而非 0
# df = df[df["imputed"] != 1]   # 视分析目标而定

附录 H：四种人数口径速查（坑 2）

口径	数值	含义
总就诊数	11,842	全部 SPT 复诊行数
PPD 派生计数 / 算法间隔有效	11,795	减去 47 次插值被移除的就诊
出血位点有效	11,816	减去 26 次未记录出血的就诊
距上次就诊时间有效	10,959	减去 883 次首次就诊（无"上次"）

分析前请对每个用到的字段确认其有效 n。

附录 I：检索路径示范

目标	推荐查询式	预期命中
数据本体	site:physionet.org “supportive periodontal therapy”	PhysioNet 数据集页
主引论文	“Time between recall visits and residual probing depths” Ramseier	J Clin Periodontol 2019;46(2):218-230
出血-吸烟论文	Ramseier 2015 “Bleeding on probing” smoking supportive periodontal therapy	J Clin Periodontol 42(2):150-159
依从性论文	Ramseier 2014 “Compliance of cigarette smokers” scheduled visits	J Clin Periodontol 41(5):473-480
在线工具	perio-tools.com SPT interval	算法在线工具页
回避项	把 “SPT Clinical Examination Data” 当作影像数据集检索	无影像命中（坑 1）

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-09，抓取与核验时点见附录 A。事实陈述以 PhysioNet 数据集页（v1.0.0，DOI 10.13026/cn9b-2632）为一手来源，配套论文 [1][2][3] 摘要口径经 folia.unifr.ch、pesquisa.bvsalud.org、perio-tools.com 三源核验一致。数据集官方自曝的方法学局限（间隔非随机指派、单中心、深袋粒度截断、吸烟不更新、依从性不可重算）已在 §7 与坑点逐条存照；Table 2 的三处复现口径（445 子样本、type I vs marginal、两处小数错误）与工具页 BOP 阈值（23%/16%）的来源差异亦已分别标注。条目与库内 caries-miccai（944）、oral-cavity-opmd（798）、dental-opg-xray（786）、3dteethland（676）、ehrshot（11）、cohortx（939）等条目互链，构成"口腔临床记录 + 口腔影像 + 纵向 EHR"三条正交检索面。后续维护触发点：新版本发布（DOI latest 10.13026/a9x5-j285）、配套论文开放获取状态变化。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• outcomerea — 共享标签：电子健康记录 / 临床电子病历 / 队列研究
• opensafely — 共享标签：电子健康记录 / 临床电子病历 / 队列研究
• cprd — 共享标签：电子健康记录 / 临床电子病历 / 队列研究
• charls — 共享标签：电子健康记录 / 队列研究 / 调查数据
• dbgap — 共享标签：电子健康记录 / 临床电子病历 / 队列研究
• qresearch — 共享标签：电子健康记录 / 临床电子病历 / 队列研究
• hcup-neds — 共享标签：电子健康记录 / 临床电子病历 / 调查数据
• million-veteran-program — 共享标签：电子健康记录 / 临床电子病历 / 队列研究
• geisinger-mycode — 共享标签：电子健康记录 / 临床电子病历 / 队列研究
• eicu-crd — 共享标签：电子健康记录 / 临床电子病历 / 时序数据

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。